Pesquisa Operacional I – ENG09002

Lista de exercícios
1
Resolução de Programação Linear - Gabarito

Formulação e problemas típicos

1. Uma pequena manufatura produz dois modelos, Standard e Luxo, de um certo produto. Cada unidade do
modelo Standard exige 1 hora de lixação e 1 hora de polimento. Cada unidade do modelo luxo exige 1 hora de
lixação e 4 horas de polimento. A fábrica dispõe de 2 lixadoras e 3 polidoras, cada um trabalhando 40 horas
semanais. As margens de lucro são $24 e $34, respectivamente, para cada unidade Standard e Luxo. Não
existem restrições de demanda para ambos os modelos. Elabore um modelo de programação linear que permita
calcular a produção semanal que maximiza a margem total de lucro do fabricante.

Resolução:

x1 = quantidade de modelo Standard; x2 = quantidade de modelo Luxo

Max z = 24 x1 + 34 x2
s.a.
x1 + x2 ≤ 80 (lixação)
x1 + 4 x2 ≤ 120 (polimento)
x1 , x2 ≥ 0

2. Um fazendeiro dispõe de 400 ha cultiváveis com milho, trigo ou soja. Cada hectare de milho exige $2.000
para preparação do terreno, 20 homens-dia de trabalho e gera um lucro de $600. Um hectare de trigo envolve
custos de $2.400 para preparação do terreno, 30 homens-dia de trabalho e dá um lucro de $800. Analogamente,
um hectare de soja exige $1.400, 24 homens-dia e dá um lucro de $400. O fazendeiro dispõe de $800.000 para
cobrir os custos de trabalho e 7.200 homens-dia de mão de obra. Elabore um modelo de programação linear de
forma a calcular a alocação de terra para os vários tipos de cultura com o objetivo de maximizar o lucro total.

Resolução:

x1 = ha milho; x2 = ha trigo; x3 = ha soja

Max z = 600 x1 + 800 x2 + 400 x3

s.a.
x1 + x2 + x3 ≤ 400 (área cultivável disponivel)
2.000 x1 + 2.400 x2 + 1.400 x3 ≤ 800.000 (custos preparação do terreno)
20 x1 + 30 x2 + 24 x3 ≤ 7.200 (mão de obra disponivel)
x1 , x2 , x3 ≥ 0

3. A empresa de manufatura Ômega descontinuou a produção de uma determinada linha de produtos não
lucrativa. Esse fato acabou criando um considerável excesso de capacidade produtiva. A direção está levando
em conta a possibilidade de dedicar esse excesso de capacidade produtiva para um ou mais produtos. A estes
vamos chamá-los de produtos 1, 2 e 3. A capacidade disponível nas máquinas que poderiam limitar a produção
está sintetizada na tabela a seguir:
Tempo disponível
Tipo de máquina (horas-máquina por semana)
Fresadora 500
Torno 350
Retificadora 150
Pesquisa Operacional I – ENG09002
Lista de exercícios
2
Resolução de Programação Linear - Gabarito

O número de horas-máquina exigidas para cada unidade do respectivo produto é:

Coeficiente de produtividade (horas-máquina por unidade)
Tipo de máquina Produto 1 Produto 2 Produto 3
Fresadora 9 3 5
Torno 5 4 0
Retificadora 3 0 2

O departamento de vendas sinaliza que o potencial de vendas para os produtos 1 e 2 excede a taxa de produção
máxima e que o potencial de vendas para o produto 3 é de 20 unidades por semana. O lucro unitário seria,
respectivamente, de US$ 25 para os produtos 1, 2 e 3. O objetivo é determinar quanto de cada produto a
Ômega deveria produzir para maximizar os lucros.

a. Formule um modelo de programação linear para esse problema.

b. Use um computador para solucionar este modelo de método simplex.

Resolução:

x1 = quantidade de produto i

Max z = 25 x1 + 25 x2 + 25 x3
s.a.
9 x1 + 3 x2 + 5 x3 ≤ 500 (disponibilidade fresadora )
5 x1 + 4 x2 ≤ 350 (disponibilidade torno)
3 x1 + 2 x3 ≤ 150 (disponibilidade retificadora )
x3 ≤ 20 (potencial de vendas produto 3)
x1 , x2 , x3 ≥ 0

(x1, x2, x3) = (26,19; 54,76; 20); z = 2.904,76 ERRATA: Resolução: x1 = 0, x2 = 87,5; x3 = 10; z = 2437,5

4. A tabela a seguir sintetiza as informações-chave sobre dois produtos, A e B, e os recursos, Q, R e S,

necessários para produzi-los.
Emprego de Recurso por Unidade Quantidade de recurso
Recurso Produto A Produto B disponível
Q 2 1 2
R 1 2 2
S 3 3 4
Lucro por unidade 3 2

Todas as hipóteses da programação linear são satisfeitas.

a. Formule um modelo de programação linear para esse modelo

b. Resolva o modelo graficamente

c. Verifique o valor exato de sua solução ótima do item (b) resolvendo o problema algebricamente para
encontrar as soluções simultâneas das duas equações relevantes.

Resolução:
Pesquisa Operacional I – ENG09002
Lista de exercícios
3
Resolução de Programação Linear - Gabarito

x1 = quantidade de produto A; x 2 = quantidade de produto B

Max z = 3x1 + 2 x 2
s.a.
2 x1 + x 2 ≤ 2 (recurso Q)
x1 + 2 x 2 ≤ 2 (recurso R)
3x1 + 3x 2 ≤ 4 (recurso S)
x1 , x 2 ≥ 0

(x1, x2 ) = (2/3; 2/3)

5. Quase todas as empresas que atuam no varejo têm mais produtos do que espaço para vendê-los. Esse
problema é característico de supermercados, lojas de departamentos e até mesmo empresas de comércio
eletrônico. Nessas empresas, a administração precisa decidir que produtos vender dado um espaço disponível,
de modo que sua lucratividade seja máxima. Suponha que o supermercado tenha 20 itens que ele pode
disponibilizar em suas prateleiras, conforme a tabela a seguir:
Demanda entre
Item reabastecimentos Lucro (R$/unidade) Área (cm2/unidade)
1 50 2 65
2 35 2 45
3 25 3 58
4 20 4 71
5 45 4 71
6 50 6 77
7 45 5 90
8 40 5 90
9 30 6 65
10 50 4 52
11 35 2 90
12 50 6 52
13 20 5 71
14 25 3 77
15 30 4 58
16 20 2 45
17 60 2 65
18 35 1 103
19 25 5 71
20 45 4 97
Se todos os itens fossem colocados à venda, seriam necessários 52.290 cm2 de área de prateleira. O
supermercado só dispõe de 37.000 cm2 para alocar todos os itens a serem vendidos. Formule o problema do
supermercado com o objetivo de maximizar lucro total.

Resolução:
Pesquisa Operacional I – ENG09002
Lista de exercícios
4
Resolução de Programação Linear - Gabarito

x1 = quantidade de produto i

Max z = 2 x1 + 2 x2 + 3 x3 + 4 x4 + 4 x5 + 6 x6 + 5 x7 + 5 x8 + 6 x9 + 4 x10 + 2 x11 + 6 x12 + 5 x13 + 3 x14 + 4 x15

+ 2 x16 + 2 x17 + x18 + 5 x19 + 4 x20
s.a.
Restrição de disponibilidade de área :
65 x1 + 45 x2 + 58 x3 + 71x4 + 71x5 + 77 x6 + 90 x7 + 90 x8 + 65 x9 + 52 x10 + 90 x11 + 52 x12
+ 71x13 + 77 x14 + 58 x15 + 45 x16 + 65 x17 + 103 x18 + 71x19 + 97 x20 ≤ 37.000
Restrições de não superar demanda :
x1 ≤ 50 x2 ≤ 35
x3 ≤ 25 x4 ≤ 20
x5 ≤ 45 x6 ≤ 50
x7 ≤ 45 x8 ≤ 40
x9 ≤ 30 x10 ≤ 50
x11 ≤ 35 x12 ≤ 50
x13 ≤ 20 x14 ≤ 25
x15 ≤ 30 x16 ≤ 20
x17 ≤ 60 x18 ≤ 35
x19 ≤ 25 x20 ≤ 45
xi ≥ 0; inteiro

6. A área sombreada do gráfico a seguir representa a região de soluções viáveis de um problema de

programação linear cuja função objetivo deve ser maximizada.
Classifique cada uma das afirmações seguintes como verdadeira ou falsa e, a seguir, justifique sua resposta
baseando-se no método gráfico.

a. Se (3,3) produz um valor maior da função objetivo do que (0,2) e (6,3), então (3,3) deve ser a solução ótima.

b. Se (3,3) for uma solução ótima e existem soluções ótimas múltiplas, então (0,2) ou (6,3) também têm que
ser uma solução ótima.

c. O ponto (0,0) não pode ser uma solução ótima.

Pesquisa Operacional I – ENG09002
Lista de exercícios
5
Resolução de Programação Linear - Gabarito

Resolução: Verdadeiro; verdadeiro; falso

7. A Cia Metalco deseja misturar uma nova liga composta de 40% de estanho, 35% de zinco e 25% de chumbo
a partir de diversas ligas disponíveis com as seguintes propriedades:
Liga
Propriedade 1 2 3 4 5
Percentagem de estanho 60 25 45 20 50
Percentagem de zinco 10 15 45 50 40
Percentagem de Chumbo 30 20 25 24 10
Custo (US$/lb) 22 20 25 24 27

O objetivo é determinar as proporções dessas ligas que devem ser misturadas para produzir nova liga em custo
mínimo.

a. Formule um modelo de programação linear para esse problema

b. Solucione esse modelo utilizando solver excel.

Resolução:

xi = quantidade de liga i

Min z = 22 x1 + 20 x 2 + 25 x3 + 24 x 4 + 27 x5
s.a.
20 x1 − 15 x 2 + 5 x3 − 20 x 4 + 10 x5 = 0 (Estanho)
− 25 x1 − 20 x 2 + 10 x3 + 15 x 4 + 5 x5 = 0 (Zinco)
5 x1 − 5 x 2 − x 4 − 15 x5 = 0 (Chumbo)
x1 + x 2 + x3 + x 4 + x5 = 100 (proporção, total 100%)
xi ≥ 0

8. Imagine que a Abecitrus (Associação Brasileira dos Exportadores de Cítricos), que congrega as empresas
produtoras e exportadoras de sucos e assemelhados, esteja interessada em ajudar na coordenação e otimização
dos custos de transporte da indústria. Suponha que existam 3 regiões produtoras no Brasil e 5 destinos
(mercados) importantes para os produtos. As quantidades produzidas, os volumes consumidos pelos mercados,
assim como os custos de transporte entre origens e destinos podem ser vistos na tabela 3.2.
O interesse da Abecitrus é escoar toda a produção, atendendo aos mercados consumidores com custo de
transporte mínimo.
Para o mercado consumidor Produção
Da região produtora Unidade Mercosul Chile UE Japão Ásia/Pacífico 1.000 m3
São Paulo I US$/m3 52 77 145 280 267 771
São Paulo II US$/m3 60 85 150 285 272 964
Perímetros irrigados do NE US$/m3 110 135 115 301 287 193
Exportação do setor 1.000 18 7 1.680 159 64 1.927
Exportação do setor US$ M 9 4 840 79 32 964

Resolução:
Pesquisa Operacional I – ENG09002
Lista de exercícios
6
Resolução de Programação Linear - Gabarito

xij = quantidade do produto escoado da região produtora i para o mercado j

Min z = 52 x11 + 77 x12 + 145 x13 + 280 x14 + 267 x15

+ 60 x21 + 85 x22 + 150 x23 + 285 x24 + 272 x25
+ 110 x31 + 135 x32 + 115 x33 + 301x34 + 287 x35
s.a.
atender demandas dos mercados consumidores
x11 + x21 + x31 = 18 (mercosul)
x12 + x22 + x32 = 7 (Chile)
x13 + x23 + x33 = 1.680 (UE)
x14 + x24 + x34 = 159 (Japão)
x15 + x25 + x35 = 64 (Ásia/pacífico)
escoar toda a produção das regiões produtoras
x11 + x12 + x13 + x14 + x15 = 771 (São Paulo I)
x21 + x22 + x23 + x24 + x25 = 964 (São Paulo II)
x31 + x32 + x33 + x34 + x35 = 193 (Perímetros Irrigados do NE )
xij ≥ 0

9. Maureen Laird é o CEO da Alva Electric Co., uma grande empresa de serviço público do Meio-oeste. A
empresa programou a construção de novas hidrelétricas daqui a cinco, dez e 20 anos a partir de agora para
atender às necessidades da população crescente na região onde atua. Para cobrir pelo menos os custos de
construção, Maureen precisa investir parte do dinheiro da empresa agora visando atender essas necessidades
futuras de fluxo de caixa. Maureen pode comprar apenas três tipos de ativos financeiros, cada um dos quais
custa US$ 1 milhão por unidade. Também é possível comprar unidades fracionárias. Os ativos geram receita
daqui a cinco, dez e 20 anos contados a partir de agora e essa receita é necessária para cobrir pelo menos as
necessidades de caixa nesses anos. Qualquer receita acima da exigência mínima para cada período será usada
para aumentar o pagamento de dividendos a acionistas em vez de poupá-la para ajudar a atender às exigências
de fluxo de caixa mínimas no período seguinte. A tabela a seguir mostra tanto a receita gerada por cada ativo
como também o mínimo de receita necessária para cada um dos períodos futuros quando uma nova hidrelétrica
será construída.
Receita por unidade de ativo Fluxo de caixa
Ano Ativo 1 Ativo 2 Ativo 3 mínimo exigido
5 2 milhões 1 milhão 0,5 milhão 400 milhões
10 0,5 milhão 0,5 milhão 1 milhão 100 milhões
20 0 1,5 milhão 2 milhões 300 milhões
Maureen quer determinar o mix de investimentos nesses ativos que cobrirão as necessidades de fluxo de caixa e,
ao mesmo tempo, minimizando a quantia total investida.

a. Formule um modelo de programação linear para esse problema

Resolução:
Pesquisa Operacional I – ENG09002
Lista de exercícios
7
Resolução de Programação Linear - Gabarito

xi = valor investido no ativo financeiro i (milhão)

Min z = x1 + x 2 + x3
s.a.
2 x1 + x 2 + 0,5 x3 ≥ 400 (5 anos)
0,5 x1 + 0,5 x 2 + x3 ≥ 100 (10 anos)
1,5 x 2 + 2 x3 ≥ 300 (20 anos)
x1 , x 2 , x3 ≥ 0

b. Resolva utilizando solver Excel

RESOLUÇÃO: x1 = 100; x2 = 200; x3 = 0; z = 300

Resolução gráfica e Introdução ao método Simplex

10. Considere o seguinte problema:

Max z = x1 + 2 x2 a. Use a análise gráfica para identificar todas as soluções em pontos extremos para este
s.a. modelo.
x1 + 3x2 ≤ 8
b. Calcule o valor da função objetivo para cada uma das soluções viáveis em pontos
x1 + x2 ≤ 4 extremos (FPE). Use esta informação para identificar uma solução ótima.
x1 , x2 ≥ 0
c. Introduza as variáveis de folga

d. Trabalhe com o método simplex (tableau do simplex), para solucionar o problema

RESOLUÇÃO:

x1 x2 f1 f2 RHS
z 0,00 0,00 0,50 0,50 6,00
x2 0,00 1,00 0,50 -0,50 2,00
x1 1,00 0,00 -0,50 1,50 2,00

Solução ótima x1 = 2; x2 = 2; z = 6

O método simplex busca solução para função objetivo em apenas três dos quatro pontos extremos. Os critérios
de entrada e saída das variáveis de base permitem que não necessite realizar a resolução da função objetivo
para todos os pontos. Estas regras também permitem a garantia da melhoria da função objetivo conforme
segue nas iterações.

Método simplex

11. A Brinquedos S.A. fabrica dois tipos de brinquedos de madeira: soldados e trens. Um soldado é vendido por
R$27 e usa R$10 de matéria-prima. Cada soldado fabricado aumenta os custos diretos de mão-de-obra e custos
indiretos em R$14. Um trem é vendido a R$21 e utiliza R$9 de matéria-prima. Cada trem aumenta os de mão-
de-obra e indiretos em R$10. A fabricação requer dois tipos de mão-de-obra: carpinteiro e pintor. A fabricação
de um soldado requer 2h de um pintor e 1 h de carpinteiro. Um trem demanda 1hora de pintura e 1h de
carpintaria. Para cada semana, a Brinquedos pode conseguir toda a matéria-prima necessária, mas apenas 100h
de pintura e 80h de carpintaria. A demanda para os trens é ilimitada, mas a de soldados é de no máximo 40 por
semana.
Pesquisa Operacional I – ENG09002
Lista de exercícios
8
Resolução de Programação Linear - Gabarito

a. Formule um modelo de programação linear para esse problema, considerando que a Brinquedos quer
maximizar o lucro semanal.

Resolução:

x1 = quantidade de produto soldados

x 2 = quantidade de produto trens

Max z = 3x1 + 2 x 2
s.a.
2 x1 + x 2 ≤ 100 (pintor)
x1 + x 2 ≤ 80 (carpinteiro)
x1 ≤ 40 (demanda trens)
x1 , x 2 ≥ 0

b. Resolva graficamente o problema

c. Resolva pelo método simplex.

Resolução:

x1 x2 f1 f2 f3 RHS
z 0,00 0,00 1,00 1,00 0,00 180,00
x2 0,00 1,00 -1,00 2,00 0,00 60,00
f3 0,00 0,00 -1,00 1,00 1,00 20,00
x1 1,00 0,00 1,00 -1,00 0,00 20,00

20 soldados e 60 trens, com z=180

12. Resolva os seguintes problemas utilizando tableau do simplex

Max z = 3x1 + 5 x2 + 6 x3
s.a.
2 x1 + x2 + x3 ≤ 4
x1 + 2 x2 + x3 ≤ 4
x1 + x2 + 2 x3 ≤ 4
x1 + x2 + x3 ≤ 3
a. x1 , x2 , x3 ≥ 0

Resolução:
x1 x2 x3 f1 f2 f3 f4 RHS
z 2/3 0 0 0 1 1/3 2 1/3 0 14 2/3
f1 1 1/3 0 0 1 - 1/3 - 1/3 0 1 1/3
x2 1/3 1 0 0 2/3 - 1/3 0 1 1/3
x3 1/3 0 1 0 - 1/3 2/3 0 1 1/3
f4 1/3 0 0 0 - 1/3 - 1/3 1 1/3
Pesquisa Operacional I – ENG09002
Lista de exercícios
9
Resolução de Programação Linear - Gabarito

Max z = 2 x1 − x2 + x3
s.a.
3x1 + x2 + x3 ≤ 6
x1 − x2 + 2 x3 ≤ 1
x1 + x2 − x3 ≤ 2
b. x1 , x2 , x3 ≥ 0

Resolução:
x1 x2 x3 f1 f2 f3 RHS
z 0 0 1 1/2 0 1 1/2 1/2 2 1/2
f1 0 0 1 1 -1 -2 1
x1 1 0 1/2 0 1/2 1/2 1 1/2
x2 0 1 -1 1/2 0 - 1/2 1/2 1/2

13. Para o método do “grande número” ou “M grande”, explique por que o método simplex jamais escolheria
uma variável artificial para ser uma variável básica que entra uma vez que todas as variáveis artificiais são não-
básicas.

14. Resolva os seguintes problemas utilizando tableau do simplex

Max z = 5 x1 + x2 + 3x3 + 4 x4
s.a.
x1 − 2 x2 + 4 x3 + 3 x4 ≤ 20
a. demonstre que a solução z é ilimitada
− 4 x1 + 6 x2 + 5 x3 − 4 x4 ≤ 40
2 x1 − 3 x2 + 3 x3 + 8 x4 ≤ 50
x1 , x2 , x3 , x4 ≥ 0

Resolução:
x1 x2 x3 x4 f1 f2 f3
z 0 0 0 60 -13 3 14 546
x1 1 0 0 14 -3 1 3 116
x3 0 0 1 1 0 0 0 13
x2 0 1 0 7 -2 0 2 74

Min z = 2 x1 + 3 x2 + x3
s.a.
x1 + 4 x2 + 2 x3 ≥ 8
3 x1 + 2 x2 ≥6
b.
x1 , x2 , x3 ≥ 0
Pesquisa Operacional I – ENG09002
Lista de exercícios
10
Resolução de Programação Linear - Gabarito

Resolução:

x1 x2 x3 e1 e2 RHS
z 0 0 0 -1 -1 7
x2 0 1 1 0 0 1,8
x1 1 0 0 0 0 0,8

X1 = 0,8; x2 = 1,8; z = 7

Max z = 90 x1 + 70 x2
s.a.
c. 2 x1 + x2 ≤ 2
x1 − x2 ≥ 2
x1 , x2 ≥ 0

i. Demonstre graficamente que este problema não tem solução viável;

ii. Usando o método do grande número, avance pelo método simplex, passo a passo, para demonstrar que o
problema não tem solução viável
Exercícios retirados de:
ANDRADE, E. L. Introdução à Pesquisa Operacional – métodos e modelos para análise de decisão. LTC editora. 2ª
edição. 2002
COLIN, E. C. Pesquisa Operacional – 170 Aplicações em Estratégia, Finanças, Logística, Produção, Marketing e
Vendas. LTC editora. 2007.
HILLER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Mc Graw Hill. 8ª Edição. 2006